MétaCan
Menu
Retour à la cohorte
Enregistrement W4394764820 · doi:10.3390/jrfm17040155

Asymmetric Effects of Uncertainty and Commodity Markets on Sustainable Stock in Seven Emerging Markets

2024· article· en· W4394764820 sur OpenAlexvenueno aff
Pitipat Nittayakamolphun, Thanchanok Bejrananda, Panjamapon Pholkerd

Notice bibliographique

RevueJournal of risk and financial management · 2024
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMarket Dynamics and Volatility
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWest Texas IntermediateStock (firearms)EconomicsEmerging marketsVolatility (finance)Monetary economicsCointegrationFinancial economicsBusinessEconometricsFinanceGeography

Résumé

récupéré en direct d'OpenAlex

The increase in global economic policy uncertainty (EPU), volatility or stock market uncertainty (VIX), and geopolitical risk (GPR) has affected gold prices (GD), crude oil prices (WTI), and stock markets, which present challenges for investors. Sustainable stock investments in emerging markets may minimize and diversify investor risk. We applied the non-linear autoregressive distributed lag (NARDL) model to examine the effects of EPU, VIX, GPR, GD, and WTI on sustainable stocks in seven emerging markets (Thailand, Malaysia, Indonesia, Brazil, South Africa, Taiwan, and South Korea) from January 2012 to June 2023. EPU, VIX, GPR, GD, and WTI showed non-linear cointegration with sustainable stocks in seven emerging markets and possessed different asymmetric effects in the short and long run. Change in EPU increases the return of Thailand’s sustainable stock in the long run. The long-run GPR only affects the return of Indonesian sustainable stock. All sustainable stocks are negatively affected by the VIX and positively affected by GD in the short and long run. Additionally, long-run WTI negatively affects the return of Indonesia’s sustainable stocks. Our findings contribute to rational investment decisions on sustainable stocks, including gold and crude oil prices, to hedge the asymmetric effect of uncertainty.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,531
Score d'incertitude au seuil0,587

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,006
Tête enseignante GPT0,209
Écart entre enseignants0,203 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial managementMême sujetMarket Dynamics and VolatilityTravaux en français237 207